Zukunft des Software-Engineerings: KI-Agenten als transformative Kraft

Die Integration von Künstlicher Intelligenz (KI) in die Softwareentwicklung hat eine umfassende Diskussion über die Zukunft des Berufsfelds ausgelöst. Entgegen der weit verbreiteten Annahme, KI-Agenten könnten Softwareentwickler ersetzen, zeichnet sich ein differenzierteres Bild ab. Forschende der Chalmers University of Technology und der Volvo Group argumentieren, dass KI-Agenten die Softwareentwicklung nicht verdrängen, sondern vielmehr erweitern – weit über das traditionelle Schreiben von Code hinaus.

Eine Erweiterung des Software-Engineerings

Die Studie hebt hervor, dass agentenbasierte KI-Systeme die Softwareentwicklung um sogenannte "semi-ausführbare Artefakte" bereichern. Dazu gehören Prompts, Workflows, Richtlinien, Eskalationsregeln und Entscheidungsroutinen. Diese Artefakte beeinflussen das Systemverhalten ebenso direkt wie traditioneller Code, erfordern jedoch eine menschliche oder probabilistische Interpretation für ihre Ausführung. Dies deutet auf eine Verschiebung des Fokus hin: weg von der reinen Codeerstellung, hin zur Gestaltung und Verwaltung komplexer Interaktionen zwischen Mensch und Maschine.

Der "Semi-Executable Stack": Ein neues Modell

Um diese Erweiterung zu veranschaulichen, wurde der "Semi-Executable Stack" als diagnostisches Modell entwickelt. Dieser besteht aus sechs Ringen, die unterschiedliche Ebenen der Softwareentwicklung repräsentieren:

• Ring 1: Klassischer Code. Dies bildet das Zentrum und steht für die traditionelle Codeerstellung.
• Ring 2: Prompts und natürlichsprachliche Spezifikationen. Hier werden Anforderungen und Anweisungen in natürlicher Sprache formuliert, die von KI-Systemen interpretiert werden.
• Ring 3: Orchestrierte Agenten-Workflows. Dieser Ring umfasst die Koordination und Steuerung von KI-Agenten zur Ausführung komplexer Aufgaben.
• Ring 4: Kontrollsysteme. Dazu gehören Schutzmechanismen und Überwachungstools, die das Verhalten der Agenten steuern.
• Ring 5: Operationale Organisationslogik. Dieser Ring beinhaltet Entscheidungsroutinen und Geschäftsprozesse.
• Ring 6: Sozialer und institutioneller Fit. Die äußerste Schicht berücksichtigt gesellschaftliche und rechtliche Rahmenbedingungen, wie beispielsweise den EU AI Act.

Historisch konzentrierte sich die Softwareentwicklung auf die Ringe 1 und 2. Die Forschungsergebnisse legen nahe, dass die Ringe 2 bis 5 zunehmend zu vorrangigen Ingenieuraufgaben werden, während Ring 6 maßgeblich über die praktische Umsetzbarkeit entscheidet. Insbesondere in den äußeren Ringen 5 und 6 besteht der größte Entwicklungsbedarf, da hier noch Methoden für Entscheidungsroutinen und Governance fehlen.

Veränderung der Rolle des Softwareingenieurs

Die Beobachtungen der Forschenden unterstreichen, dass KI die Arbeitsweise von Teams verändert, auch wenn sie nicht den besten Ingenieur übertreffen muss. Es genügt, wenn sie "gut genug" ist. Zudem ist die Skalierbarkeit wichtiger als die Spitzenleistung; viele kleine, alltägliche KI-Implementierungen können für Unternehmen mehr Wert schaffen als der seltene Zugang zu einem Top-Experten. Wenn mehr Fachexperten ihre eigenen Systeme mittels natürlicher Sprache erstellen, nimmt der Bedarf an präzisen Engineering-Praktiken zu, anstatt zu sinken.

Herausforderungen als neue Ingenieuraufgaben

Kritikpunkte wie die Zuverlässigkeit von KI-generiertem Code oder "Prompt-Drift" werden nicht abgetan, sondern als neue Ingenieuraufgaben neu definiert. Wenn Agenten halluzinieren, werden das Testen und die Überwachung umso wichtiger. Steigt die Geschwindigkeit der Codeerstellung durch KI, so steigen auch die Wartungskosten. Ein "Prompt-Drift", bei dem das System nach einer kleinen Anpassung des Prompts unerwartet reagiert, erfordert neue Ansätze im Engineering.

Für Praktiker bedeutet dies eine Verschiebung der Kernkompetenzen: Von der schnellen Codeerstellung hin zur Entscheidung, was gebaut werden soll, wie es validiert, gesteuert und langfristig gewartet wird. Unternehmen, die KI lediglich als Effizienzwerkzeug für die Ringe 1 und 2 betrachten, könnten zwar lokale Produktivitätsgewinne erzielen, verpassen aber die umfassendere Frage der organisatorischen Neugestaltung.

Die Auswirkungen auf den Arbeitsmarkt und die Fähigkeiten

Die Datenlage zeigt, dass die Anzahl der Stellenausschreibungen im Bereich Software-Engineering steigt. Dies widerspricht der Annahme, dass KI-Agenten zu einem Rückgang von Arbeitsplätzen führen würden. Stattdessen wird die Produktion von Software durch KI-Tools erheblich günstiger und effizienter, was zu einer massiven Ausweitung der Softwareerstellung führt. Dies wiederum generiert einen erhöhten Bedarf an Fachkräften, die diese komplexen Systeme architektonisch gestalten, warten, skalieren und sichern können.

Vom Coder zum „Builder“: Eine neue Identität

Experten wie Boris Cherny von Anthropic, dem Schöpfer von Claude Code, sehen eine Transformation des Ingenieurberufs. Er selbst hat seit November 2025 keine einzige Codezeile mehr manuell geschrieben, sondern lässt Claude den Code erstellen. Seine Produktivität sei dadurch enorm gestiegen. Er prognostiziert, dass der Titel "Software Engineer" zunehmend durch "Builder" ersetzt wird. Die Fähigkeiten, die in diesem neuen Paradigma gefragt sind, umfassen:

• Systemorchestrierung statt Code-Autorenschaft: Der Fokus verschiebt sich von der Syntax zur Systemgestaltung, der Definition von Einschränkungen und der Überprüfung von KI-generierten Outputs.
• Multi-Agenten-Management: Ingenieure koordinieren mehrere KI-Agenten und Sub-Agenten, um komplexe Aufgaben zu lösen, was tieferes technisches Verständnis erfordert.
• Wartung erweiterter Systeme: Mit der explosionsartigen Zunahme von Codebasen und Tools wächst der operative Aufwand für Zuverlässigkeit, Performance und Sicherheit.
• Generalist statt Spezialist: KI-Agenten komprimieren den Vorteil von Spezialisten in engen Domänen und betonen die Notwendigkeit von Generalisten, die über den gesamten Stack hinweg denken können.

Diese Entwicklung spiegelt sich auch in den Gehältern wider: LinkedIn berichtete für 2025 einen Anstieg der Nachfrage nach KI-affinen Softwareingenieuren um fast 60 % mit Prämien von 15–25 % für Entwickler, die sich mit KI-Frameworks und Orchestrierungstools auskennen.

Die Jevons-Paradoxon in der Softwareentwicklung

Das Jevons-Paradoxon, das besagt, dass eine erhöhte Effizienz bei der Nutzung einer Ressource nicht zu deren geringerem Verbrauch, sondern zu einem erhöhten Verbrauch führt, scheint sich in der Softwareentwicklung zu wiederholen. Wenn die Kosten für die Softwareentwicklung sinken, wird nicht weniger Software erstellt, sondern deutlich mehr. Dies führt zu einer Explosion von Anwendungen, Websites und Code-Commits, die wiederum mehr menschliche Expertise für Architektur, Wartung, Skalierung und Sicherheit erfordert.

Praktische Implikationen für Unternehmen

Für Führungskräfte ergeben sich daraus mehrere strategische Implikationen:

• Investition in KI-Kompetenz: Die Förderung von KI-Kompetenzen in der gesamten Belegschaft, nicht nur im Engineering-Team, ist entscheidend.
• Neudefinition von Rollen: Rollen sollten sich auf Urteilsvermögen, Architektur und Orchestrierung konzentrieren, da dies die Aufgaben sind, die KI nicht zuverlässig automatisieren kann.
• Planung für erweiterten Umfang: Unternehmen sollten KI-gesteuerte Effizienz nutzen, um ambitioniertere Projekte in Angriff zu nehmen, die zuvor zu kostspielig waren.
• Vorbereitung auf den Übergang: Trotz langfristiger Vorteile kann der Übergang kurzfristig disruptiv sein und erfordert Umschulungsprogramme und interne Mobilitätsframeworks.
• Datenorientierte Strategie: Eine Strategie sollte auf Echtzeit-Arbeitsmarktdaten basieren und nicht auf angstgetriebenen Prognosen.

Die Rolle des erfahrenen Entwicklers: Kontrolle statt "Vibe Coding"

Eine Studie unter erfahrenen Softwareentwicklern (mit mindestens drei Jahren Berufserfahrung) zeigt, dass diese KI-Agenten nicht blind vertrauen, sondern sie aktiv steuern. Sie legen Wert auf Softwarequalität und behalten die Kontrolle über Design und Implementierung. Die Motivation liegt in der Produktivitätssteigerung, aber auch in der Sicherstellung von Qualität, Lesbarkeit und Korrektheit des Codes. "Vibe Coding", bei dem Entwickler der KI vollständig vertrauen und den Code kaum überprüfen, wird von erfahrenen Fachkräften abgelehnt, insbesondere bei der Arbeit an komplexen oder produktionsreifen Anwendungen.

Geeignete und ungeeignete Aufgaben für KI-Agenten

Erfahrene Entwickler sehen KI-Agenten als geeignet für:

• Beschleunigung einfacher, repetitiver und gerüstbauender Aufgaben (z. B. Boilerplate-Code, Tests, Dokumentation).
• Allgemeine Refaktorierungen und einfache Debugging-Aufgaben.
• Back-End- und bestimmte Front-End-Entwicklungen.
• Prototyping und Experimente.
• Erklärung und Analyse von Code, APIs und Fehlern.

Als ungeeignet werden KI-Agenten angesehen für:

• Komplexe Aufgaben und Geschäftslogik, die tiefgreifendes Domänenwissen erfordern.
• Aufgaben, die menschliches Urteilsvermögen und Entscheidungsfindung ersetzen sollen.
• Die Erstellung von Code ohne manuelle Überprüfung und Verifizierung, insbesondere bei der Integration in bestehende oder Legacy-Codebasen.
• Sicherheitskritische oder datenschutzrelevante Aufgaben.
• Performance-Optimierung und die Verwaltung von CI/CD-Infrastrukturen.

Die Meinungen über den Einsatz von KI-Agenten für übergeordnete Planungs- und Designaufgaben sind geteilt. Einige nutzen sie zur Ideenfindung und als Diskussionspartner, andere lehnen sie aufgrund der Notwendigkeit menschlichen Urteilsvermögens ab.

Fazit: Die Zukunft der Softwareentwicklung

Die Softwareentwicklung befindet sich in einem Wandel, der durch KI-Agenten vorangetrieben wird. Dieser Wandel bedeutet nicht das Ende des Software-Engineerings, sondern eine Neudefinition und Erweiterung des Berufsfelds. Die Fähigkeit, komplexe Systeme zu verstehen, zu gestalten und zu überwachen, wird immer wichtiger, während das reine Schreiben von Code zunehmend automatisiert wird. Softwareingenieure werden zu Architekten, Strategen und Mentoren, die die Leistungsfähigkeit von KI-Agenten nutzen, um innovative Lösungen zu schaffen und die menschliche Kreativität und das Urteilsvermögen in den Vordergrund zu stellen.

Die Herausforderung besteht darin, die neuen Fähigkeiten zu entwickeln, die zur Steuerung und Überwachung dieser intelligenten Werkzeuge erforderlich sind. Diejenigen, die diesen Wandel aktiv mitgestalten und ihre Identität als "Builder" statt als reine "Coder" verstehen, werden in dieser neuen Ära der Softwareentwicklung erfolgreich sein.

Bibliographie

- The Counterintuitive Truth: AI Coding Agents Are Creating More Engineering Jobs, Not Fewer (Hatchworks) - AI agents aren't replacing software engineering but expanding it far beyond code, researchers argue (The Decoder) - Become Builders, Not Coders - Indeed Engineering Blog (Indeed Engineering Blog) - AI Coding Agents Won’t Replace Software Engineers (Medium) - Professional Software Developers Don’t Vibe, They Control: AI Agent Use for Coding in 2025 (arXiv) - CAN CODING AGENTS BE GENERAL AGENTS? (arXiv) - Redefining the future of software engineering (MIT Technology Review) - AI Abundance Reshapes Software Engineering Identity - Agent Patterns (Agent Patterns) - The thing is, agents aren’t going away. So if Bob can do things with agents, he ... (Hacker News)